Une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités

Dimension: px
Commencer à balayer dès la page:

Download "Une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités"

Transcription

1 Une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités Lucas Grèze Robert Pellerin Patrice Leclaire Nathalie Perrier Mai 2012 CIRRELT Bureaux de Montréal : Bureaux de Québec : Université de Montréal Université Laval C.P. 6128, succ. Centre-ville 2325, de la Terrasse, bureau 2642 Montréal (Québec) Québec (Québec) Canada H3C 3J7 Canada G1V 0A6 Téléphone : Téléphone : Télécopie : Télécopie :

2 Une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités Lucas Grèze 1, Robert Pellerin 1,2,*, Patrice Leclaire 3, Nathalie Perrier 1 1 Département de mathématiques et de génie industriel, École Polytechnique de Montréal, C.P. 6079, succursale Centre-ville, Montréal, Canada H3C 3A7 2 Centre Interuniversitaire de Recherche sur les Réseaux d Entreprise, la Logistique et le Transport (CIRRELT) 3 Institut Supérieur de Mécanique de Paris (Supméca), 3 rue Fernand Hainaut, Saint-Ouen, Cedex France Résumé. Le chevauchement d activités est une pratique courante pour accélérer l exécution de projets d ingénierie. Cette technique consiste à exécuter en parallèle deux activités, normalement exécutées de manière séquentielle, en autorisant l activité en aval à débuter avant la fin de l activité en amont à partir d informations préliminaires. L accélération de projets à l aide du chevauchement d activités permet de réduire la durée d exécution d un projet, mais peut entraîner des tâches de retouches suite à la réception d informations complémentaires transmises après le démarrage de l activité en aval. Dans la littérature, les études sur le chevauchement tiennent compte des interactions entre les activités et des retouches qu elles peuvent engendrer, mais le chevauchement est rarement intégré au problème d ordonnancement de projets. De plus, les études sur les techniques d accélération de projets ne considèrent que rarement les contraintes liées à la limitation des ressources disponibles. Dans cet article, nous proposons une méthode heuristique pour l ordonnancement de projets. La méthode s inspire des méthodes de compression d activités. En plus d intégrer le chevauchement d activités comme technique d accélération de projets, la méthode permet de générer un échéancier respectant les contraintes liées à la limitation des ressources disponibles. Des tests effectués sur des instances générées aléatoirement montrent que la méthode permet, dans certains cas, de produire de bonnes solutions en des temps de calcul raisonnables. Mots clés. Chevauchement d activité, ingénierie simultanée, gestion de projets, ordonnancement de projets. Remerciements. Cet article a bénéficié du support financier du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) et de la Chaire de recherche Jarislowsky/SNC-Lavalin en gestion de projets internationaux. Ce support est grandement apprécié. Results and views expressed in this publication are the sole responsibility of the authors and do not necessarily reflect those of CIRRELT. Les résultats et opinions contenus dans cette publication ne reflètent pas nécessairement la position du CIRRELT et n'engagent pas sa responsabilité. * Auteur correspondant: Dépôt légal Bibliothèque et Archives nationales du Québec Bibliothèque et Archives Canada, 2012 Copyright Grèze, Pellerin, Leclaire, Perrier et CIRRELT, 2012

3 1. Introduction Le problème d ordonnancement de projets avec contraintes de ressources (en anglais, RCPSP, Resource Constrained Project Scheduling Problems) a été abondamment étudié (Brucker et al. 1999; Hartmann et Briskorn 2010). Introduit par Pritsker (1969), le RCPSP consiste à ordonnancer un ensemble d activités liées par des relations de précédences dans le but de minimiser la durée du projet sous des contraintes de précédence et d utilisation de ressources. Le RCPSP est NP-difficile au sens fort (Blazewicz et al. 1983). Afin de pouvoir malgré tout traiter ce problème, des méthodes heuristiques ont été proposées (Neumann et Zhan 1995; Pellerin 1997; Hartmann 1999; Shue et Zamani 1999; Herroelen 2005; Kolisch et Hartmann 2006). Depuis plus de dix ans, différentes techniques d accélération ont été développées dans le but de réduire la durée d exécution de projets. Ces techniques incluent le chevauchement, la compression et la substitution d activités (Gerk et Quassim 2008) et peuvent être utilisées soit pour produire un échéancier initial, soit pour le modifier en cours d exécution. Dans la pratique, le chevauchement d activités constitue une technique très répandue pour accélérer les projets d ingénierie (Bogus et al. 2005). Cette technique consiste à exécuter en parallèle deux activités normalement séquentielles en autorisant l activité en aval à débuter avant la fin de l activité en amont avec des informations préliminaires (Figure 1). Toutefois, le chevauchement d activités peut entraîner des tâches de retouches et des modifications suite à la réception d informations complémentaires transmises après le démarrage de l activité en aval (Roemer et al. 2000). Le chevauchement permet donc de réduire le temps total d exécution d un projet au prix d une charge de travail et d un coût d exécution supplémentaires associés aux retouches. Activité en amont Activité en amont Activité en aval Activité en aval Temps b) Sans chevauchement a) Avec chevauchement Temps Figure 1. Activité en amont et activité en aval CIRRELT

4 Les modèles de chevauchement proposés dans la littérature peuvent être classés en deux grandes catégories. La première catégorie regroupe les modèles spécifiques à un couple d activités : une activité en amont dont dépend la réalisation de l activité en aval. Krishnan et al. (1997) développent un modèle de planification pour trouver le meilleur compromis entre chevauchement et retouches à l aide de deux concepts : l évolution (lente ou rapide) de l activité en amont, qui reflète le niveau d information pouvant être transmis à l activité en aval, et la sensibilité (faible ou élevée) de l activité en aval, qui correspond au temps de travail nécessaire pour pallier à un changement de l activité en amont. À partir de ces concepts, Krishnan et al. (1997) définissent quatre grandes stratégies de chevauchement, chacune s adaptant à un cas de figure évolution/sensibilité. Par exemple, lorsque la sensibilité au changement est faible et la vitesse d évolution rapide, Krishnan et al. (1997) suggèrent d appliquer le chevauchement distributif qui consiste à débuter l activité en aval avec des informations préliminaires, puis à intégrer rapidement les informations finales. Terwiesch et Loch (1999) démontrent de manière statistique l influence de la vitesse d évolution de l activité en amont sur le gain effectif du chevauchement. Bogus et al. (2005) améliorent le modèle de Krishnan et al. (1997) et identifient huit stratégies de chevauchement, de même que les facteurs influençant l évolution et la sensibilité des activités. Dans la définition de l évolution de l activité en amont, certains auteurs considèrent que les efforts de communication et de coordination sont «gratuits» et instantanés (Krishnan et al. 1997; Roemer et al. 2000). Dans ce cas, il n est pas nécessaire de planifier et d organiser les échanges d information entre les activités (e.g., plans, données de dimensionnement, commandes de matériel). D autres, au contraire, considèrent que la communication implique un coût et un temps d exécution (Loch et Terwiesch 1998; Lin et al. 2009). Contrairement à la première catégorie de modèles axés sur les interactions entre deux activités, ce qui limite leur application à des projets de petite taille, la seconde catégorie regroupe les modèles plus globaux, adaptés à des projets industriels. Ces modèles, qui peuvent être regroupés en deux grandes classes, considèrent, non pas un couple d activités, mais plutôt un projet dans sa globalité. La première classe comprend les modèles d optimisation déterministes où la relation entre la durée du chevauchement et la durée des retouches nécessaires est connue préalablement pour les activités 2 CIRRELT

5 chevauchables (Roemer et al. 2000; Lin et al. 2009). La plupart de ces modèles utilisent des matrices de décomposition (en anglais, Design Structure Matrix, DSM), introduites par Steward (1981), pour représenter les dépendances entre les activités, limiter les rétroactions et identifier les opportunités de chevauchement d activités (Maheswari et Varghese 2005). Roemer et al. (2000) développent une méthode heuristique afin de trouver un compromis entre la durée d exécution d un projet et son coût. Liberatore et Pollack-Johnson (2006) proposent un modèle de programmation quadratique mixte en nombres entiers pour la compression et le chevauchement d activités, sans toutefois tenir compte des contraintes de ressources. De même, Gerk et Qassim (2008) proposent un modèle d accélération de projets à l aide de la compression, du chevauchement et de la substitution d activités. Ces trois techniques d accélération sont combinées afin de trouver un échéancier à coût minimal. Le problème est formulé comme un programme linéaire en nombres entiers. Thiagarasu et Devi (2009) proposent une heuristique pour réduire la durée d un projet à l aide du chevauchement d activités. La seconde classe de modèles comprend les modèles de simulation. Ces modèles sont utilisés lorsqu il n est pas possible d estimer la durée des retouches requises suite au chevauchement d activités. Par exemple, Cho et Eppinger (2005) ont développé un modèle de simulation avec des durées stochastiques des activités et des chevauchements, et des contraintes de ressources. Le modèle prend aussi en compte les retouches et les itérations (i.e. les interactions entre plusieurs activités nécessitant des retouches dues à des retours d information issus des activités en aval). Les auteurs ont montré que les contraintes de ressources peuvent retarder le chevauchement de certaines activités et donc, la date de fin du projet. Wang et Lin (2009) ont développé un modèle de chevauchement stochastique pour prendre en compte les risques lors de l ordonnancement. Le modèle considère les itérations et les probabilités de retouches. Cependant, le modèle ne prend pas en compte les contraintes de ressources. Le Tableau 1 résume les caractéristiques des modèles de chevauchement. Les recherches dans le domaine de la planification de projets ignorent en grande partie les contraintes liées au contexte du chevauchement d activités. En effet, les études sur les techniques d accélération de projets ne considèrent que rarement les contraintes liées à la limitation des ressources disponibles. Or la gestion des ressources a un impact crucial sur CIRRELT

6 le déroulement des projets. De plus, dans les modèles étudiés, les possibilités de chevauchement se limitent souvent aux valeurs d un intervalle. Cependant, les configurations de chevauchement ne sont pas toutes acceptables en pratique. En fait, chaque configuration de chevauchement doit correspondre à un mode d exécution précis du couple d activités, auquel est associé un échange d informations. Tableau 1. Caractéristiques des modèles de chevauchement Modèles de chevauchement Auteurs Caractéristiques des modèles Couplage de deux activités Application à des projets industriels Modèles déterministes Heuristiques Méthodes exactes Modèles de simulation Krishnan et al. (1997) Loch et Terwiesch (1998) Terwiesch et Loch (1999) Bogus et al. (2005) Roemer et al. (2000) Thiagarasu et Devi (2009) Liberatore et Pollack-Johnson (2006) Gerk et Qassim (2008) Lin et al. (2009) Cho et Eppinger (2005) Wang et Lin (2009) - Compromis entre chevauchements et retouches - Aucun effort de communication - Coût et délai de communication - Mesure statistique de l efficacité du chevauchement - Stratégies de chevauchement - Aucun effort de communication - Compromis entre durée et coût du projet - Contraintes de ressources - Programme quadratique mixte en nombres entiers - Programme linéaire en nombres entiers - Min coût de l échéancier - Coût et délai de communication - Durées stochastiques des activités et des chevauchements - Contraintes de ressources - Retouches et itérations - Modèle stochastique - Itérations - Probabilités de retouches Récemment, Grèze et al. (2011) ont montré que la sévérité des contraintes de ressources, la proportion de couples d activités chevauchables et le pourcentage maximum de chevauchement ont un impact significatif sur l efficacité du chevauchement comme technique d accélération de projet. De plus, Berthaut et al. (2011) formulent le problème d ordonnancement de projets avec contraintes de ressources et chevauchement d activités comme un programme linéaire en variables binaires. Dans un article subséquent, Berthaut et al. (2012) abordent le problème du compromis entre la durée et le 4 CIRRELT

7 coût d un projet dans le cas où les délais de communication et de coordination sont non négligeables. Toutefois, aucune méthode de résolution n est proposée. L objectif de cet article est de proposer une méthode d ordonnancement de projets qui intègre le chevauchement d activités comme technique d accélération de projets. La méthode permet de générer un échéancier tenant compte des contraintes de ressources et des possibilités de chevauchement. Pour évaluer l efficacité de cette méthode, un processus de génération des données permettant de générer différentes configurations de chevauchement acceptables est proposé. L article est organisé comme suit. La section 2 décrit le problème d ordonnancement de projets avec contraintes de ressources et chevauchement d activités. La section 3 présente une méthode heuristique permettant de résoudre le problème. Une extension de la méthode, permettant d étudier le compromis entre accélération et augmentation du coût d un projet, est également présentée à la section 3. La section 4 présente les cas d études générés et les résultats. La conclusion est présentée à la dernière section. 2. Ordonnancement de projets avec contraintes de ressources et chevauchement d activités Le problème d ordonnancement de projets avec contraintes de ressources et modes de chevauchement (en anglais, RCPSP-OM, Resource Constrained Project Scheduling Problem with Overlapping Modes) est une extension du problème d ordonnancement classique (RCPSP). Étant donné un ensemble d activités à réaliser, le RCPSP-OM consiste à déterminer l ordre d exécution dans le temps d un ensemble d activités de façon à minimiser la durée totale du projet tout en respectant les relations de précédence, les contraintes en ressources humaines et les possibilités de chevauchement. Dans cet article, l ordonnancement de projets avec contraintes de ressources et chevauchement d activités s appuie sur les hypothèses suivantes : (1) les activités chevauchables sont identifiées a priori; (2) les échanges d information sont unidirectionnels; (3) les échanges d information entre les activités chevauchables sont gratuits et instantanés; CIRRELT

8 (4) pour chaque couple d activités, les possibilités de chevauchement sont définies par des modes (de manière discrète); (5) pour chaque mode de chevauchement, la durée des retouches est estimée a priori. La Figure 2 illustre les différentes étapes menant à l ordonnancement et à l accélération de projets à l aide du chevauchement d activités. 1. Décomposer le projet en lots de travail 2. Identifier la séquence des activités 3. Identifier les couples d activités chevauchables 6. Résoudre un RCPSP-OM 5. Identifier les durées des retouches 4. Identifier les modes de chevauchement possibles pour chaque couple 7. Évaluer la solution Fin Figure 2. Processus d'accélération de projets À l étape 1, le projet est décomposé en lots de travail. La taille des lots dépend du niveau de détail requis afin de bien gérer le projet. Les lots de travail doivent regrouper des activités de complexité et de durée semblables, car les possibilités de chevauchement seront établies à partir de ces activités. Décomposer un projet en de nombreuses activités de courte durée exige un effort de gestion et de contrôle lors de l exécution, mais augmente les chances de détecter, parmi les couples d activités, des opportunités de chevauchements lors de la planification. Dans les méthodes de planification de projets, les projets sont souvent décrits sous forme de réseaux, les nœuds représentant soit les activités (réseau potentiel-tâches), soit les relations entre les activités (réseau potentiel-étapes). Bien que ces réseaux décrivent la séquence d exécution des activités (étape 2), ils ne permettent pas de représenter les interactions entre les activités ou de modéliser les flux d information entre les activités. Or, l étude des interactions entre les activités est importante afin d identifier les activités chevauchables. Ces relations supplémentaires entre les activités peuvent toutefois être modélisées à l aide des matrices de décomposition DSM (Browning 2001). En effet, les DSM visent à représenter les flux d information entre les différentes activités, permettant 6 CIRRELT

9 ainsi de repérer les retours d information. Ces retours, issus des changements impliqués par l activité en aval, engendrent des modifications et du travail supplémentaire au niveau de l activité en amont. Afin d éviter les retours en arrière et ainsi obtenir une séquence d exécution des activités où les relations de précédence et les flux d information sont orientés dans le même sens, les DSM sont triangularisées. Les activités peuvent aussi être agrégées ou décomposées afin d éliminer les retours en arrière. Dans la suite de l article, on suppose que des études préliminaires ont été menées de manière à identifier les relations entre les activités et éliminer les retours en arrière. Les projets considérés sont donc composés uniquement d activités dépendantes et indépendantes et le flux d information (entre les activités dépendantes) est unidirectionnel. La troisième étape du processus consiste à identifier les couples d activités chevauchables. L étude des échanges d information entre les activités à l aide des DSM et des données historiques permet de diviser les couples d activités en deux catégories : les couples chevauchables et les couples non chevauchables. Deux activités sont chevauchables lorsque l activité en aval peut débuter, avec des informations préliminaires, avant que l activité en amont ne se termine tout en recevant, durant son exécution, les informations finales de l activité en amont. Pour les couples d activités dont la sensibilité est élevée, les changements d information transmis par l activité en amont impliquent de nombreuses retouches sur l activité en aval. Le gain associé est donc minime (Krishnan 1996). Par conséquent, les chevauchements sont permis lorsque la sensibilité est faible. d i i Information préliminaire Information finale j α ijm d j r jm d j Temps D ij Figure 3. Processus de chevauchement des activités i et j pour le mode m CIRRELT

10 Aux étapes 4 et 5, les modes de chevauchement possibles pour chaque couple d activités et les durées de retouches associées sont identifiés. La figure 3 représente le processus de chevauchement entre deux activités chevauchables i et j. Ici, l activité en aval j débute avec des informations préliminaires transmises par l activité en amont i. Le taux de chevauchement associé au mode de chevauchement m, noté α ijm, correspond à une fraction entière de la durée de l activité j, notée d j. Ainsi, on considère α ijm d j comme un nombre entier. La durée des retouches associées au mode m pour l activité j, r jm, est ajoutée afin de tenir compte de la mise à jour des informations transmises lors de la réalisation de l activité j. Le temps total d exécution des activités i et j pour le mode de chevauchement m est défini comme suit : D ijm = d i + d j (1-α ijm ) + r jm. En pratique, l ordonnancement d un projet est établi sur la base de périodes discrètes (heures, jours, semaines, etc.). Les pourcentages de chevauchement et les retouches associées aux modes sont donc définis de manière discrète. De plus, l avancement des activités est mesuré à partir de la réalisation de jalons qui correspondent à des avancements majeurs ou à la réalisation de biens livrables (spécifications, plans, commandes de matière première, etc.) définis lors de la phase initiale du projet. Les informations préliminaires nécessaires au démarrage de l activité en aval sont issues de la réalisation de ces jalons. Chaque mode de chevauchement est ainsi caractérisé par un pourcentage de chevauchement correspondant à une transmission d information par l activité en amont, et une quantité de retouches à effectuer sur l activité en aval. D une part, les valeurs de α ijm sont déterminées en lien avec la livraison des biens majeurs de l activité i de façon à s assurer que les informations préliminaires utilisées sont approuvées. D autre part, la définition des modes de chevauchement par rapport aux jalons permet de recourir facilement aux données historiques pour estimer les temps de retouches causés par le chevauchement d activités. Le problème de la détermination du temps des retouches par rapport au temps de chevauchement est traité dans la littérature (Krishnan et al. 1997; Lin et al. 2009). La figure 4 illustre quatre modes de chevauchement possibles pour deux activités. Les activités chevauchables peuvent être exécutées sans chevauchement (m = 1) ou en régime accéléré (m > 1). Dans cet article, on suppose qu il n y a pas de restriction concernant le nombre de prédécesseurs chevauchables pour une activité. Si une activité compte 8 CIRRELT

11 plusieurs prédécesseurs, alors le mode associé correspond à une combinaison des différentes relations de précédence. Dans ce cas, les retouches totales à effectuer correspondent à la somme des retouches associées aux modes de précédence (modes de chevauchement). retouches i Fin de l activité i jalon j j m = 4 m = 3 j m = 2 j m = 1 25%*d j temps Figure 4. Différents modes d exécution possibles pour le couple d activités (i, j) Suite à l évaluation des paramètres de chevauchement, l ordonnancement du projet est entrepris (étape 6). À la section 3, nous présentons une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités. Une fois l ordonnancement terminé, l échéancier obtenu est comparé avec l échéancier initial, en termes de coût et de durée d exécution (étape 7). Si la durée d exécution du projet et le coût associé sont acceptables, alors le processus s arrête. Sinon, celui-ci est repris à l étape initiale en décomposant plus finement les activités pour détecter de nouvelles opportunités de chevauchement, de façon à obtenir un échéancier plus compressé. 3. Heuristique pour l ordonnancement de projets avec chevauchement d activités Cette section présente une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et possibilités de chevauchement. La méthode proposée CIRRELT

12 correspond à l étape 6 du processus d accélération de projets présenté à la Figure 2 (Section 2). Une extension de la méthode est également proposée afin de considérer le coût associé au chevauchement d activités. 3.1 Méthode heuristique La Figure 5 présente la méthode heuristique pour l accélération de projets à l aide du chevauchement d activités. Étape 1. Déterminer un ordonnancement des activités en résolvant un RCPSP. Soit T le plan d ordonnancement ainsi obtenu. Soit D(T) la durée d exécution du plan T. Étape 2. Soit A = {j S : (i, j) A} l ensemble des activités en aval chevauchables. Soit m [1, m i ] le mode de chevauchement de l activité i. Pour toute activité chevauchable i A, poser m = 1. De plus, pour toute activité chevauchable i A, calculer la marge de l activité i comme suit : M i = LF i EF i, où EF i et LF i représentent, respectivement, les dates de fin au plus tôt et au plus tard de l activité i. i) Ordonner les activités chevauchables selon l ordre croissant des marges pour obtenir la liste L. ii) Soit k R R ik le nombre total d unités de ressources requises par l activité i par période. Si certaines activités chevauchables ont la même marge, ordonner ces activités selon l ordre croissant du nombre d unités de ressources nécessaires à leur réalisation. iii) Si certaines activités chevauchables nécessitent la même quantité de ressources, ordonner ces activités selon le nombre décroissant de successeurs. Étape 3. Choisir la première activité i de la liste L et considérer la possibilité de chevaucher l activité i avec le mode de chevauchement m. Étape 4. Déterminer un ordonnancement des activités en résolvant un RCPSP-OM. Soit T le nouveau plan d ordonnancement ainsi obtenu. Soit D(T ) la durée du plan T. Étape 5. Si D(T ) < D(T), alors T devient le nouveau plan actif. Poser T = T et m = m + 1. Si m = m i + 1, retirer l activité i de la liste L. Si D(T ) D(T), conserver T comme plan actif et retirer l activité i de la liste L. Étape 6. Si L =, STOP. Le plan T est le plan produit par l algorithme. Sinon, retourner à l étape 3. Figure 5. Heuristique pour l accélération de projets à l aide du chevauchement d activités 10 CIRRELT

13 Cette méthode est inspirée des méthodes de compression d activités (Gray et al. 2007). La méthode suppose que les retouches liées au chevauchement sont ajoutées aux activités en aval et que la consommation des ressources est constante tout au long de l exécution du projet (incluant les retouches). La méthode considère également que les modes de chevauchement possibles pour chaque couple d activités et la durée des retouches associées à chaque mode sont préalablement connus. La méthode débute par la résolution d un RCPSP à l aide du progiciel de gestion de projets MS Project 2007 afin d obtenir un plan initial. Les activités sont ensuite chevauchées de manière incrémentale selon un ordre de priorité. Pour chaque activité chevauchable, le nouveau plan T ainsi obtenu est comparé au plan actif T. Si la durée d exécution du nouveau plan est inférieure à la durée du plan actif, le nouveau plan devient alors le plan actif. Sinon, l activité chevauchable est retirée de la liste. L algorithme prend fin après avoir considéré toutes les possibilités de chevauchement. À l étape 2 de l algorithme, les activités chevauchables sont ordonnées selon trois règles de priorité. Les activités chevauchables sont d abord classées selon l ordre croissant de leur marge. La marge M i d une activité i est la différence entre la date de fin au plus tard LF i et la date de fin au plus tôt EF i de l activité. Ces dates sont déterminées a priori à l aide d un algorithme de passe avant et passe arrière qui tient compte de la date de démarrage du projet (temps 0) et de la durée maximale du projet (temps T, i.e. la somme des durées d exécution de toutes les activités), tout en ignorant les contraintes de ressources. Les activités chevauchables de marge égale sont ensuite ordonnées selon l ordre croissant du nombre d unités de ressources nécessaires à leur réalisation. En effet, les activités qui mobilisent peu de ressources ont moins d impact sur les contraintes de ressources. Enfin, les activités chevauchables nécessitant la même quantité de ressources sont ordonnées selon l ordre décroissant du nombre de successeurs. La liste ordonnée des activités chevauchables est mise à jour à chaque itération. L algorithme est codé sous la forme d une macro Visual Basic liant Excel et MS Project Compromis entre accélération et augmentation du coût d un projet La fonction-objectif utilisée à l étape 5 de l algorithme (Figure 5) correspond à la durée du projet. Or, en pratique, l accélération à l aide du chevauchement d activités peut CIRRELT

14 apparaître, à partir d un certain seuil, inefficiente à cause des coûts de retouches importants qu elle engendre. Aussi, dans cette section, nous proposons de considérer le compromis entre la diminution de la durée d un projet à l aide du chevauchement d activités et l augmentation du coût entraîné par les retouches en adaptant la fonctionobjectif de l algorithme. La recherche du meilleur compromis entre accélération et augmentation du coût d un projet revient à maximiser les gains associés à l exécution d un projet. La nouvelle fonction d évaluation correspond ainsi aux gains associés au passage du plan actif T au nouveau plan T et s énonce comme suit : [ ( ) ( )] ( ) ( ) (1) où est le coût d opportunité correspondant aux primes (pénalités) associées à une clôture en avance (en retard) d un projet. C(T) et C(T ) représentent les coûts des retouches associées, respectivement, à l exécution des plans T et T. La fonction d évaluation (1) détermine le gain associé à la diminution de la durée d exécution d un projet duquel on retranche les coûts associés aux retouches engendrées par la stratégie de chevauchement d activités. Si G > 0, alors le plan T devient le plan actif. Sinon, le plan T est conservé. 4. Expérimentation numérique 4.1 Données expérimentales La Figure 6 illustre le processus de génération des instances aléatoires. Ce processus correspond aux étapes 3, 4 et 5 du processus d accélération de projets présentée à la Figure 2 (Section 2). La Figure 6 indique, à chaque étape du processus, les ensembles et les paramètres d entrée et de sortie. 12 CIRRELT

15 NC, RF, RS 1. Générer le réseau d activités et les ressources S, Pred(i), d i, R ik S, Pred(i) CP 2. Lister l ensemble des couples d activités F 3. Déterminer les couples d activités chevauchables A 4. Déterminer le nombre de modes de chevauchement m j C max 5. Déterminer les taux de chevauchement α ijm B 6. Déterminer les durées des retouches r jm Fin Figure 6. Processus de génération des données Le générateur de projets PROGEN, développé par Kolisch et Sprecher (1997), est utilisé pour générer trois réseaux comprenant chacun 30 activités. Quatre types de ressources sont définis, chaque type représentant une compétence distincte. En premier lieu, le réseau d activités (S), les relations de précédence (Pred(i)), les durées des activités (d i ) et les ressources nécessaires (R ik ) sont générées. Les paramètres définis par défaut sont conservés, sauf pour NC, RF et RS. Le paramètre NC (en anglais, Network Complexity) représente le nombre moyen de relations entre les activités. Dans la bibliothèque de projets développée par Kolisch et Sprecher (1997), NC varie entre 1.5 et 2.1. Le paramètre RF (en anglais, Resource Factor) dénote, en pourcentage, le nombre moyen de compétences nécessaires pour exécuter une activité. RF = 1 lorsque les quatre compétences sont nécessaires pour l exécution de chaque activité. RF = 0.5 lorsque, en moyenne, chaque activité utilise deux compétences distinctes pour sa réalisation. Pour les tests, nous posons NC = 1.8 et RF = 0.5. Le paramètre RS (en anglais, Resource Strength) définit la sévérité des contraintes de ressources (Kolisch et Sprecher 1997). Pour chaque CIRRELT

16 projet, trois degrés de sévérité des contraintes de ressources sont considérés : contraintes sévères de ressources (RS = 0.5), contraintes moyennes (RS = 0.75) et absence de contraintes de ressources lorsque le projet est exécuté sans chevauchement (RS = 1). Dans ce dernier cas, les ressources disponibles sont égales à la demande de ressources lors de l exécution du projet sans chevauchement. Pour chaque compétence k, le nombre de ressources disponibles est définit par l équation suivante : R k Q Round RS *( Qk,max Q, min ) k, min k (2) où Q k,min est égal à la demande maximale parmi les activités pour la ressource k et Q k,max est égal à la demande maximale observée pour la ressource k lorsque le projet est exécuté sans considérer les contraintes de ressources. Le paramètre RS est le paramètre ayant le plus d influence sur le temps de calcul nécessaire pour résoudre le RCPSP. Plus RS est petit, plus le problème est complexe. Kolisch et al. (1995) ont montré que lorsque RS passe de 1 à 0.2, les temps de calcul augmentent d un facteur Une fois le réseau d activités et les ressources requises générés, les paramètres nécessaires à la prise en compte des opportunités de chevauchement sont définis : l ensemble des couples d activités chevauchables (A), le nombre de modes de chevauchement pour chaque activité (m j ), le taux de chevauchement pour chaque couple et chaque mode (α ijm ) et, pour chaque activité, la durée des retouches associée à chaque mode (r jm ). Les possibilités de chevauchement sont déterminées de façon aléatoire à partir de trois facteurs : F, C max et B. Le paramètre F dénote le pourcentage des couples d activités chevauchables parmi l ensemble des couples d activités CP. Ce paramètre reflète les résultats de l analyse des relations et des flux d information entre les activités qui a permis d identifier les opportunités de chevauchement. Le paramètre C max représente le pourcentage maximum de chevauchement pour un couple d activités. Enfin, B dénote le pourcentage de retouches nécessaires suite au chevauchement. On suppose que la relation entre la durée du chevauchement et la durée des retouches est linéaire. Pour les tests, nous posons F = 40%, C max = 75% et B = 40%. La valeur de B correspond à la valeur médiane des valeurs utilisées dans la littérature. Le choix des valeurs de F et C max est basé sur l étude de Grèze et al. (2011). Les couples d activités chevauchables 14 CIRRELT

17 sont déterminés aléatoirement à l aide du paramètre F : card(cp)*f = card(a). Pour les activités non chevauchables, un seul mode est réalisable (m = 1, Figure 4). Les taux de chevauchement des activités non chevauchables et les quantités de retouches associées sont nuls. Pour chaque couple d activités chevauchables, quatre modes de précédence sont générés (Figure 4), correspondant à des fractions de 0%, 25%, 50% et 75% de la durée d exécution de l activité en aval. Ce découpage est arbitraire. Dans la pratique, les modes de précédences doivent correspondre aux différents jalons délivrés par l activité en amont (voir Section 2). Ainsi, pour chaque couple d activités chevauchables, les pourcentages de chevauchement et les durées des retouches associés aux modes peuvent être déterminés, respectivement, par les équations (3) et (4): ijm C round max *( m 1) * d 3 i ( i, j) A, m [1, m j ] (3) r jm i Pr ed ( j) round( B* ijm * d i ) j S :( i, j) A, m [1, m ] j (4) Rappelons que lorsqu une activité chevauche plusieurs prédécesseurs, la durée totale des retouches est alors égale à la somme des durées des retouches associées au chevauchement avec chaque prédécesseur. Si une activité ne chevauche qu un seul prédécesseur, alors la durée totale des retouches est égale à la durée des retouches associées au chevauchement avec ce prédécesseur. Afin d évaluer la qualité des solutions fournies par la méthode heuristique, nous avons comparé les écarts par rapport aux solutions optimales obtenues en résolvant le modèle d ordonnancement avec contraintes de ressources et possibilités de chevauchement proposé par Berthaut et al. (2011). Soit X jtm, une variable binaire égale à 1 si et seulement si l activité j est exécutée dans le mode m et se termine au temps t. Soit n, le nombre total d activités. Les activités fictives 0 et n + 1, de durée nulle, correspondent respectivement au début et à la fin du projet. La fonction-objectif (5) du modèle de Berthaut et al. (2011) pour le RCPSP-OM minimise la durée totale du projet: Minimiser LF n 1 D t (5) t EF n 1 X n 1, t,1 CIRRELT

18 Le coût total induit par le chevauchement est égal à la somme des coûts supplémentaires de coordination engendrés par le chevauchement des activités et des coûts supplémentaires associés aux retouches. L exécution des activités en parallèle nécessitent un effort supplémentaire de coordination et de communication entre les ressources. Dans cet article, on suppose que la durée des réunions de coordination et le coût d utilisation des technologies de communication sont négligeables. Par conséquent, les coûts de coordination et de communication sont nuls. Toutefois, on considère que les ressources impliquées dans les retouches ajoutées à une activité correspondent, en quantité et en qualification, aux ressources utilisées dans la réalisation de l activité. Le coût des retouches est donc égal au coût d utilisation des ressources pour le travail supplémentaire: C LF m j j j S t EF j m 1 k R X jtm * r * R * (6) jm jk k où S et R représentent, respectivement, les ensembles des activités et des ressources. Les paramètres m j, r jm, R jk et k dénotent, respectivement, le nombre de modes d exécution pour l activité j, la durée des retouches associées au mode d exécution m pour l activité j, le nombre d unités de ressource k nécessaires par période pour l exécution de l activité j et le coût horaire de la ressource k. Afin de prendre en compte le coût associé au chevauchement, la fonction-objectif (5) est modifiée comme suit : Minimiser LF n 1 P t X n * C (7) t EF n 1 1, t,1 où δ est choisi tel que δ*c < 1. Ainsi, la fonction-objectif (7) minimise d abord la durée d exécution du projet, puis le coût des retouches. De même, afin de rechercher le meilleur compromis entre diminution du temps d exécution d un projet et augmentation du coût de réalisation, la fonction-objectif (5) est modifiée comme suit : 16 CIRRELT

19 Maximiser G *( T ref LF n 1 t EF t X n 1 1, t,1 C (8) n ) où T ref est le temps de référence obtenu lors de l exécution du projet sans chevauchement. La fonction-objectif (8) maximise le gain supplémentaire réel dégagé par l exécution du projet en régime accéléré. Le coût d opportunité est fixé à la valeur de 1000$ par période. Ce coût modélise les primes (pénalités) liées à une avance (retard) dans la livraison du projet (Figure 7). On suppose que les primes (pénalités) sont proportionnelles au temps gagné (perdu). Dans la pratique, les valeurs des primes (pénalités) sont établies en fonction des termes du contrat entre la firme et le client. Temps de référence Temps Primes T ref Pénalités Figure 7. Primes et pénalités associées à l exécution du projet Tous les modèles, codés à l aide du langage de modélisation AMPL Studio v1.6.j, sont résolus à l aide du solveur CPLEX 12.2 sur un ordinateur personnel (2.22GHz et 3.00Go de RAM). 4.2 Analyse des résultats Pour l expérimentation numérique, quatre scénarios sont étudiés. Dans le premier scénario, les possibilités de chevauchement sont interdites et l objectif consiste à minimiser la durée d exécution du projet. Le second scénario permet également d obtenir un ordonnancement de durée minimale pour l exécution du projet, mais les possibilités de chevauchement sont permises. Dans le troisième scénario, les coûts des retouches associées au chevauchement d activités sont pris en compte dans un objectif hiérarchique qui minimise d abord la durée d exécution du projet, puis le coût des retouches. Finalement, le quatrième scénario considère le compromis entre la diminution de la durée d exécution du projet et l augmentation des coûts associés au chevauchement d activités. Notons que les scénarios 2 et 3 sont équivalents pour la méthode heuristique car cette CIRRELT

20 méthode est une approche de type constructif, i.e. qui construit la solution de durée minimale un élément à la fois, sans jamais remettre en question les choix passés. À chaque scénario est ainsi associé un problème à résoudre et un objectif à optimiser : - Scénario 1: RCPSP, Min D (Section 4.1, équation (5)); - Scénario 2: RCPSP-OM, Min D (Section 4.1, équation (5)); - Scénario 3: RCPSP-OM, Min P (Section 4.1, équation (7)); - Scénario 4: RCPSP-OM, Max G (Section 4.1, équation (8)). Le Tableau 2 présente les durées d exécution (D) et les coûts des retouches (C) associés aux solutions obtenues à l aide de la méthode exacte (OPT), MS Project (MSP) et la méthode heuristique (H) pour les différents scénarios. Par exemple, C OPT3 correspond au coût des retouches de la solution obtenue à l aide de la méthode exacte en considérant la fonction-objectif (7). Tableau 2. Comparaison des quatre scénarios Scénario 1 Scénario 2 Scénario 3 Scénario 4 Projet RS D OPT1 D MSP D OPT2 C OPT2 D OPT3 C OPT3 D H3 C H3 D OPT4 C OPT4 D H4 C H Notez que les durées d exécution optimales sont les mêmes pour les scénarios 2 et 3. En effet, pour le Scénario 3, la méthode exacte trouve, parmi les solutions de durée minimale (Scénario 2), la solution à coût minimum. Les résultats du Tableau 2 révèlent que le chevauchement d activités (Scénario 2, 3 et 4) permet de réduire la durée d exécution des projets au détriment d une augmentation du coût d exécution causée par les retouches. Cependant, la prise en compte des coûts reliés au chevauchement 18 CIRRELT

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements

Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements «Évaluation et optimisation des systèmes innovants de production de biens et de services» Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements Oumar

Plus en détail

UNIVERSITÉ DE MONTRÉAL UN MODÈLE DE PLANIFICATION TACTIQUE AVEC CHEVAUCHEMENT

UNIVERSITÉ DE MONTRÉAL UN MODÈLE DE PLANIFICATION TACTIQUE AVEC CHEVAUCHEMENT UNIVERSITÉ DE MONTRÉAL UN MODÈLE DE PLANIFICATION TACTIQUE AVEC CHEVAUCHEMENT GEORGES BAYDOUN DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL MÉMOIRE PRÉSENTÉ EN VUE

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

Plus en détail

Plan du cours. Vocabulaire. Définitions d un projet. Les cinq phases de la Gestion de Projets. 1- Conception

Plan du cours. Vocabulaire. Définitions d un projet. Les cinq phases de la Gestion de Projets. 1- Conception Plan du cours Vocabulaire Définitions d un projet Les cinq phases de la Gestion de Projets 1- Conception Planification du Projet Ingénierie du projet Ordonnancement des activités Estimation des durées

Plus en détail

Chapitre 7 Solutions des exercices de révision

Chapitre 7 Solutions des exercices de révision Chapitre 7 Solutions des exercices de révision Section 7.2 La construction du réseau 1. Construction du réseau représentant un projet. La figure de gauche ci-dessous donne un réseau qui représente le projet

Plus en détail

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Thierry Benoist Frédéric Gardi Antoine Jeanjean Bouygues e-lab, Paris { tbenoist, fgardi, ajeanjean }@bouygues.com

Plus en détail

SEANCE 2 INTRODUCTION

SEANCE 2 INTRODUCTION SEANCE 2 INTRODUCTION Types de développement des SI Développement sur mesure SI développé from scratch par des pro de SI en fonction des besoins d utilisateur. o Coût o Temps o Erreur o + Besoins Développement

Plus en détail

Par : Abdeljalil Chaouki, Conseiller de maintenance industrielle

Par : Abdeljalil Chaouki, Conseiller de maintenance industrielle Par : Abdeljalil Chaouki, Conseiller de maintenance industrielle Institut Technologique de Maintenance industrielle Tél. : 418 962-9848 poste 222 Téléc. : 418 968-8205 abdeljalil.chaouki@itmi.ca www.itmi.ca

Plus en détail

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui

Plus en détail

FORMAT FORMA ION SUR LA ION SUR LA GESTION DE PROJET & MS PROJECT

FORMAT FORMA ION SUR LA ION SUR LA GESTION DE PROJET & MS PROJECT FORMATION SUR LA GESTION DE PROJET & MS PROJECT Présentation rapide Jamal Achiq Consultant - Formateur sur le management de projet, MS Project, et EPM Certifications: Management de projet : «PRINCE2, Praticien»

Plus en détail

Chapitre 2/ La fonction de consommation et la fonction d épargne

Chapitre 2/ La fonction de consommation et la fonction d épargne hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation

Plus en détail

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation

Plus en détail

Sujets de stage. Sciences de la Fabrication et Logistique. Génie Industriel. Optimisation. Recherche opérationnelle. Simulation

Sujets de stage. Sciences de la Fabrication et Logistique. Génie Industriel. Optimisation. Recherche opérationnelle. Simulation 2011 2012 Sujets de stage Génie Industriel Optimisation Recherche opérationnelle Simulation Sciences de la Fabrication et Logistique Table des matières Problème de planification de production avec des

Plus en détail

ÉLÉMENTS DE GESTION DE PROJET

ÉLÉMENTS DE GESTION DE PROJET ÉLÉMENTS DE GESTION DE PROJET Gilles Boulet PMP gb@gillesboulet.ca Mai 2006 Révision Février 2009 Le management de projet est composé de 5 grands processus faisant chacun appel à 9 domaines de connaissances

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003 Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de

Plus en détail

CIGI 2013 Planification hiérarchique de projets EPCM

CIGI 2013 Planification hiérarchique de projets EPCM CIGI 2013 de projets EPCM KAOUTHAR CHERKAOUI 1,2, ROBERT PELLERIN 1,2, PIERRE BAPTISTE 2, NATHALIE PERRIER 1,2 1 CHAIRE DE RECHERCHE JARISLOWSKY/SNC-LAVALIN EN GESTION DE PROJETS INTERNATIONAUX 2 CIRRELT

Plus en détail

Modélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005

Modélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition

Plus en détail

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA

Plus en détail

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou Allocation de ressources pour réseaux virtuels Projet de fin d études Mikaël Capelle Marie-José Huguet Slim Abdellatif Pascal Berthou 27 Juin 2014 Plan 1 Introduction - La virtualisation de réseau 2 3

Plus en détail

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

Plus en détail

Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Optimisation des tournées de ramassage scolaire de la commune de Seneffe Optimisation des tournées de ramassage scolaire de la commune de Seneffe Laurie Hollaert Séminaire GRT 7 novembre Laurie Hollaert Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Josée St-Pierre, Ph. D. Directrice Laboratoire de recherche sur la performance des entreprises

Josée St-Pierre, Ph. D. Directrice Laboratoire de recherche sur la performance des entreprises LES PME manufacturières sont-elles prêtes pour l ERP? Éditorial InfoPME est publié par le Laboratoire de recherche sur la performance des entreprises (LaRePE) Institut de recherche sur les PME Université

Plus en détail

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/)

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/) IREM Clermont-Ferrand Algorithmique au lycée Malika More malika.more@u-clermont1.fr 28 janvier 2011 Proposition d activité utilisant l application Tripatouille (http://www.malgouyres.fr/tripatouille/)

Plus en détail

Étude comparative sur les salaires et les échelles salariales des professeurs d université. Version finale. Présentée au

Étude comparative sur les salaires et les échelles salariales des professeurs d université. Version finale. Présentée au Étude comparative sur les salaires et les échelles salariales des professeurs d université Version finale Présentée au Syndicat général des professeurs et professeures de l Université de Montréal (SGPUM)

Plus en détail

Impacts de la configuration de l entrepôt et de la localisation des produits sur l efficacité des parcours de collecte : un cas réel

Impacts de la configuration de l entrepôt et de la localisation des produits sur l efficacité des parcours de collecte : un cas réel Impacts de la configuration de l entrepôt et de la localisation des produits sur l efficacité des parcours de collecte : un cas réel Élise Tremblay Fayez Boctor Jacques Renaud Octobre 2012 CIRRELT-2012-54

Plus en détail

Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique

Plus en détail

Techniques de Développement

Techniques de Développement Techniques de Développement Quelques définitions relatives au développement de logiciel Sébastien Faucou Université de Nantes (IUT de Nantes, département Informatique) Licence Professionnelle Systèmes

Plus en détail

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) 1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée

Plus en détail

Le contenu de cette publication a été préparé par le ministère des Transports.

Le contenu de cette publication a été préparé par le ministère des Transports. Le contenu de cette publication a été préparé par le ministère des Transports. Cette publication a été produite par la Direction du soutien aux opérations Ministère des Transports 700, boul. René-Lévesque

Plus en détail

IBM SPSS Modeler Social Network Analysis 15 Guide de l utilisateur

IBM SPSS Modeler Social Network Analysis 15 Guide de l utilisateur IBM SPSS Modeler Social Network Analysis 15 Guide de l utilisateur Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Avis sur p. 24.

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03 Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des

Plus en détail

Les débats sur l évolution des

Les débats sur l évolution des D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4

Plus en détail

Incertitude et variabilité : la nécessité de les intégrer dans les modèles

Incertitude et variabilité : la nécessité de les intégrer dans les modèles Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre

Plus en détail

L ordonnancement des opérations d une machine multitâche : Un problème central dans l industrie de la chaussure

L ordonnancement des opérations d une machine multitâche : Un problème central dans l industrie de la chaussure L ordonnancement des opérations d une machine multitâche : Un problème central dans l industrie de la chaussure Fayez F. Boctor et Jacques Renaud Août 2005 Document de travail DT-2005-JR-3 Centre de recherche

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

Plus en détail

Gérez vos coûts de projet intelligemment

Gérez vos coûts de projet intelligemment Gérez vos coûts de projet intelligemment À propos de De nos jours, les projets en immobilisation sont de plus en plus gros, de plus en plus complexes. Sans une analyse exhaustive de la valeur acquise,

Plus en détail

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

ITIL V3. Transition des services : Principes et politiques

ITIL V3. Transition des services : Principes et politiques ITIL V3 Transition des services : Principes et politiques Création : janvier 2008 Mise à jour : août 2009 A propos A propos du document Ce document de référence sur le référentiel ITIL V3 a été réalisé

Plus en détail

CADRE D AGRÉMENT APPROCHE STANDARD DU RISQUE OPÉRATIONNEL

CADRE D AGRÉMENT APPROCHE STANDARD DU RISQUE OPÉRATIONNEL CADRE D AGRÉMENT APPROCHE STANDARD DU RISQUE OPÉRATIONNEL Coopératives de services financiers Publication initiale : Décembre 2007 Mise à jour : TABLE DES MATIÈRES 1. Introduction... 3 2. Principes généraux...

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.

Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt. Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.ca FORMATION Doctorat, génie mécanique Université Laval, Québec, Canada

Plus en détail

Améliorer la Performance des Fournisseurs

Améliorer la Performance des Fournisseurs Les Solutions SQA de Solumina L Assurance Qualité Fournisseur Figure 1 Influence sur les affaires de nos clients actuels. Réduire des Stocks lors des Inspections Le Système de Contrôle Qualité Fournisseurs

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

Vérification des procédures en fin d exercice

Vérification des procédures en fin d exercice Vérification des procédures en fin d exercice DIVERSIFICATION DE L ÉCONOMIE DE L OUEST CANADA Direction générale de la vérification et de l évaluation Décembre 2011 Table des matières 1.0 Résumé 1 2.0

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

Optimisation des performances du programme mpiblast pour la parallélisation sur grille de calcul

Optimisation des performances du programme mpiblast pour la parallélisation sur grille de calcul Optimisation des performances du programme mpiblast pour la parallélisation sur grille de calcul Mohieddine MISSAOUI * Rapport de Recherche LIMOS/RR-06-10 20 novembre 2006 * Contact : missaoui@isima.fr

Plus en détail

Paramétrage d une Gestion de Production

Paramétrage d une Gestion de Production Prélude 7 ERP Paramétrage d une Gestion de Production Jeu compétitif de gestion de flux sur un horizon fixé Christian van DELFT HEC Paris Ce jeu nécessite de disposer de la licence au niveau intermédiaire.

Plus en détail

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Agrégation des portefeuilles de contrats d assurance vie

Agrégation des portefeuilles de contrats d assurance vie Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l

Plus en détail

L'étape de planification de votre projet technologique

L'étape de planification de votre projet technologique L'étape de planification de votre projet technologique Résumé : Pour gérer l ensemble des contraintes de votre projet - humaines, matérielles, temporelles et surtout financières et accroître ses chances

Plus en détail

Reddition de compte et Agilité. Présenté par Jean-René Rousseau Agile Québec Septembre 2011

Reddition de compte et Agilité. Présenté par Jean-René Rousseau Agile Québec Septembre 2011 Reddition de compte et Agilité Présenté par Jean-René Rousseau Agile Québec Septembre 2011 Qui suis-je Jean-René Rousseau jrrousseau@pyxis-tech.com Coach Agile à Pyxis www.pyxis-tech.com/accompagnement

Plus en détail

Une calculatrice qui manipule les régions cubiques

Une calculatrice qui manipule les régions cubiques Une calculatrice qui manipule les régions cubiques Emmanuel Haucourt 1 Introduction Alors qu une calculatrice usuelle effectue des opérations numériques (addition, multiplication, soustraction, division,

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Réussir. un projet de site web. 6 e édition. Groupe Eyrolles, 2003, 2004, 2005, 2006, 2008 et 2010 pour la présente édition, ISBN : 978-2-212-12742-3

Réussir. un projet de site web. 6 e édition. Groupe Eyrolles, 2003, 2004, 2005, 2006, 2008 et 2010 pour la présente édition, ISBN : 978-2-212-12742-3 N i c o l a s C h u Réussir un projet de site web 6 e édition Groupe Eyrolles, 2003, 2004, 2005, 2006, 2008 et 2010 pour la présente édition, ISBN : 978-2-212-12742-3 annexe D Les indicateurs de pilotage

Plus en détail

OUTILS EN INFORMATIQUE

OUTILS EN INFORMATIQUE OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178 Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?

Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée

Plus en détail

0DWKpPDWLTXHVGHO DUJHQW. édité par Mr. G.Moumoulidis (OTE)

0DWKpPDWLTXHVGHO DUJHQW. édité par Mr. G.Moumoulidis (OTE) 3/$,78'RF) 0DWKpPDWTXHVGHO DUJHQW HW OHVpWXGHVWHFKQTXHVpFRQRPTXHV édité par Mr. G.Moumoulidis (OTE) 8,2,7(5$7,2$/('(67(/(&2008,&$7,26,7(5$7,2$/7(/(&2008,&$7,28,2 8,2,7(5$&,2$/'(7(/(&208,&$&,2(6 - - 0DWKpPDWTXHVGHO

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE

L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE Vérane Humez 1/6 L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE AU SERVICE DE LA SATISFACTION CLIENT Vérane HUMEZ* 1 Directeur(s) de thèse: Lionel DUPONT* et Matthieu LAURAS* Laboratoire d'accueil:

Plus en détail

Métriques de performance pour les algorithmes et programmes parallèles

Métriques de performance pour les algorithmes et programmes parallèles Métriques de performance pour les algorithmes et programmes parallèles 11 18 nov. 2002 Cette section est basée tout d abord sur la référence suivante (manuel suggéré mais non obligatoire) : R. Miller and

Plus en détail

!-.!#- $'( 1&) &) (,' &*- %,!

!-.!#- $'( 1&) &) (,' &*- %,! 0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets

Plus en détail

Organisme de recherche et d information sur la logistique et le transport

Organisme de recherche et d information sur la logistique et le transport LES TECHNIQUES INFORMATIQUES DE REGROUPEMENT DES ARTICLES Lorsque le nombre de références gérées par une organisation devient élevé, le recours au regroupement informatique des articles devient incontournable.

Plus en détail

Travail d Étude et de Recherche. Aide à l optimisation de rendez-vous de type business speed-dating

Travail d Étude et de Recherche. Aide à l optimisation de rendez-vous de type business speed-dating Travail d Étude et de Recherche Aide à l optimisation de rendez-vous de type business speed-dating Alexandre Medi Andreea Radulescu Johan Voland Université de Nantes 10 mai 2011 1 Remerciements En préambule

Plus en détail

Les management actions dans le cadre de l ORSA

Les management actions dans le cadre de l ORSA Les management actions dans le cadre de l ORSA Atelier Congrès Institut des Actuaires 20 juin 2014 Intervenants Emmanuel Berthelé, Optimind Winter, Responsable Practice Gildas Robert, Optimind Winter,

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Le Processus RUP. H. Kadima. Tester. Analyst. Performance Engineer. Database Administrator. Release Engineer. Project Leader. Designer / Developer

Le Processus RUP. H. Kadima. Tester. Analyst. Performance Engineer. Database Administrator. Release Engineer. Project Leader. Designer / Developer Le Processus RUP Database Administrator Project Leader H. Kadima Performance Engineer Release Engineer Analyst Designer / Developer Tester Table des matières 1. De l artisanat à l industrialisation de

Plus en détail

Simulation d application des règles CNAV AGIRC ARRCO sur des carrières type de fonctionnaires d Etat

Simulation d application des règles CNAV AGIRC ARRCO sur des carrières type de fonctionnaires d Etat CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 10 avril 2014 à 9 h 30 «Carrières salariales et retraites dans les secteurs et public» Document N 9 Document de travail, n engage pas le Conseil Simulation

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences

Plus en détail

Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité

Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers

Plus en détail

LES NOUVEAUX PROGRAMMES DE

LES NOUVEAUX PROGRAMMES DE LES NOUVEAUX PROGRAMMES DE MATHÉMATIQUES EN STS M A T H S S T S Animation académique Taverny lundi 24 mars 2014 et Savigny sur Orge vendredi 28 mars 2014 PREMIERS REPÈRES Les programmes de STS ont été

Plus en détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en détail

Recherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks

Recherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks 8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche

Plus en détail

Une revue des méthodes pour l ordonnancement de projets avec contraintes de ressources ou de matériel

Une revue des méthodes pour l ordonnancement de projets avec contraintes de ressources ou de matériel Une revue des méthodes pour l ordonnancement de projets avec contraintes de ressources ou de matériel Jean-Baptiste Boucherit Robert Pellerin Adnène Hajji Nathalie Perrier Mai 2011 CIRRELT-2011-34 Bureaux

Plus en détail

Analyse des logiciels d application spécialisée pour le courtage en épargne collective

Analyse des logiciels d application spécialisée pour le courtage en épargne collective Analyse des logiciels d application spécialisée pour le courtage en épargne collective Dép. de mathématiques et de génie industriel École Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal

Plus en détail

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale.

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Morgan DAL 1, Philippe LE MASSON 1, Michel DUMONS 1, Didier LAWRJANIEC 2 1 LIMATB, Université

Plus en détail